带落角约束的再入机动弹头的复合导引律

针对再入机动弹头垂直打击目标的要求,研究了具有末端落角约束的复合导引律.该导引律包括俯冲平面内的制导方程和转弯平面内的制导方程,通过在最优导引律的基础上引入滑模变结构控制,增强导引律的鲁棒性.为了减小控制量的抖振和能量损耗,提出了采用RBF(径向基函数)神经网络自适应调节切换项增益的方案,数学仿真验证了该方案的有效性.仿真结果还表明,与最优导引律相比,复合导引律在外界干扰的影响下仍能保持较高的制导精度.     

舰炮火控系统反应时间与精度关系的仿真

对舰炮火控系统中反应时间和系统精度之间的关系做了简要的介绍,并论述了舰炮火控系统中时间和精度之间复杂的关系,通过分析采样点数和误差之间的关系,结合采样点数和系统反应时间之间的联系以及误差与系统精度之间的联系,引出反应时间与精度之间的某种关系,最后对从接收目标指示到给出射击诸元这个过程的各个时间段与其相对应的精度之间的关系进行计算机仿真。     

数字式相位差测量方法及精度分析

相位差变化率是最近提出的用于快速无源定位的观测量。该文研究相位差的高精度测量方法 ,提出了一种正交双通道数字式的相位差测量方法。通过对信号频谱的分析 ,计算了测量系统输出的信噪比 ,从而得出了相位差测量的理论精度 ,随后进行仿真分析验证了理论精度。理论分析和仿真实验证明 ,论文提出的方法可以实现高精度的相位差测量     

储油罐计量系统中精度的分析及提高

在储油罐计量过程中,难免会存在测量误差.介绍了储油罐自动计量的3种方法:静压法(HTG)、液位法(LTG)、混合法(HIMS).重点分析了混合法(HIMS)中直接测量参数误差、间接测量参数误差对储油罐计量系统精度的影响,并给出了通过仪表的正确选型与安装、合理地分配计量系统的误差、直接测量参数的软件数字滤波处理等提高计量系统精度的方法措施.对于测量精度要求较高的场合,采用以上方法可以有效地消除测量过程中存在的系统误差,更好地实现在储油品的科学化计量管理.     

某型飞机采用DCCIP方式投放炸弹的精度分析

分析了影响DCCIP攻击方式轰炸精度的各种误差源,针对某型飞机平显火控系统的不同组合方式,建立了相应的精度分析数学模型,采用定型试飞数据,仿真计算了各种组合方式下的水平DCCIP轰炸精度.仿真计算结果与定型靶试数据吻合,在某型飞机平显火控系统的靶试的定型中得到了实际应用.     

基于时间序列判别函数的火控精度检测

在以往通过建立火控系统误差时间序列的动态数学模型对火控精度做定性分析的基础上,提出基于时序判别函数对火控系统精度进行定量分析,其结果能给出火控系统精度更客观的检测评定.采用的判别函数有几何距离判别函数和信息距离判别函数,几何距离判别函数仅考虑模型参数信息计算简单,信息距离函数则综合考虑模型参数信息和残差方差的影响,具有较强的判别能力.     

引导炮兵火力压制对通信测向精度需求分析

从介绍通信测向精度的定义入手,对通信测向精度进行了分类,并确定了分类的依据;接着分析了引导炮兵火力压制时测向定位模糊区与炮火毁伤幅员的相互关系;通过计算,得出了不同距离情况下引导炮兵火力压制对通信测向精度的需求;进而对我军通信测向能力提出建设性意见.     

引入权重因子的证据合成方法

D-S理论是一种有效的不确定性推理方法,但在证据完全冲突或冲突较大时,D-S证据合成公式失效.Yager等学者对此作了改进,但是改进后合成公式又存在着新的问题.考虑到证据在合成过程中的重要程度不同,将权重因子引入到合成公式中,通过权重因子的作用和冲突概率的重新分配,提出了引入权重因子的D-S证据合成方法,新的合成公式提高了证据合成的可靠性和合理性,可得到更为理想的合成结果.     

运用末敏弹实施精确打击时的诸元精度分析

在论述精确打击概念的基础上,根据末敏弹工作原理,明确了末敏弹扫描幅员的确定方法;分析了炮兵发射末敏弹时误差组成;建立了炮兵发射末敏弹时命中目标概率的数学模型,并结合炮兵运用简易法、精密法和成果法决定射击开始诸元进行了计算分析.得出了炮兵实施精确打击时末敏弹决定诸元的精度要求.为炮兵运用末敏弹实施精确打击提供了理论依据.     

高分辨率遥感影像的自优化迭代分类方法

针对高分辨率遥感影像提出了一种面向像斑的自优化迭代分类算法,基于半监督聚类算法获取训练样本,以支持向量机为核心设计了自优化迭代分类器。使用分型网络演化算法获取像斑,并从中选取少量标记样本;结合标记样本,利用半监督模糊C均值算法对像斑进行聚类,并基于密集度筛选得到训练样本;设计了自优化迭代支持向量机分类算法,对所有像斑进行迭代分类直到满足分类要求,并在分类过程中对近邻分类结果进行统计得到高可信度样本以自主优化训练样本集。基于以上方法分别对武汉市Quick Bird和World View影像进行分类实验,分类总精度分别达到94.67%与92%,与基于人工选取训练样本情况下进行分类的分类总精度(82%与82.67%)、常规支持向量机分类总精度(87.33%与88%)、最小二乘支持向量机分类总精度(88%与89.33%)相比,精度有明显提升,分类效果较好。